一种基于神经网络的脑影像分割方法及装置制造方法及图纸

本发明专利技术提供一种基于神经网络的脑影像分割方法及装置，该方法包括：将第一脑影像切分为多个子块；其中，所述第一脑影像是标准脑空间下的三维脑影像；将所述第一脑影像的每一子块输入相应的卷积神经网络模型，得到子块相应的脑区分割结果；将所述第一脑影像的多个子块的脑区分割结果进行融合，得到所述第一脑影像的脑区分割结果。本发明专利技术通过将第一脑影像分块，使得每一卷积神经网络可以对相应子块进行针对性的精准分割，并且由于子块的体积较小，所需的卷积神经网络的层数较少，分割耗时较少；通过将第一脑影像的多个子块的分割结果进行融合，准确地得到了第一脑影像的整体分割结果，实现了脑影像的高效、精确分割。精确分割。精确分割。

【技术实现步骤摘要】
一种基于神经网络的脑影像分割方法及装置


[0001]本专利技术涉及医学图像处理
，尤其涉及一种基于神经网络的脑影像分割方法及装置。

技术介绍

[0002]人的大脑皮层是人体内最为发达，最为精密的器官，主导机体内一切活动过程，并调节机体与周围环境的平衡，是高级神经活动的基础。在大脑中不同的神经中枢掌管不同的生理活动，如运动性语言中枢受损可患运动性失语症，虽然与发音有关的肌肉未瘫痪，患者却不能说话；若听性觉语言中枢损害可患感觉性失语症，病人能听到别人讲话，但不理解所讲的内容。因此脑区的精确划分对临床医生评估手术风险有重要意义。
[0003]目前临床上由于脑区分割难度较大，做法较少。普遍的做法是使用经典的图像处理，利用影像预处理、配准及形态学处理来完成，代表技术为Freesurfer。但Freesurfer需要冗余的表面重建等操作流程，受显卡显存限制，其运行时间较长，例如，采用Freesurfer在单台计算机上分割一例脑影像通常需要若干小时。
[0004]对于现有技术中脑区分割效率较低的缺陷，本专利技术提供一种脑影像分割方法及装置。

技术实现思路

[0005]本专利技术提供一种脑影像分割方法及装置，用以解决现有技术中脑影像分割效率较低的缺陷。
[0006]本专利技术提供一种基于神经网络的脑影像分割方法，包括：
[0007]将第一脑影像切分为多个子块；其中，所述第一脑影像是标准脑空间下的三维脑影像；
[0008]将所述第一脑影像的每一子块输入子块相应的卷积神经网络模型，得到子块相应的脑区分割结果；
[0009]将所述第一脑影像的多个子块的脑区分割结果进行融合，得到所述第一脑影像的脑区分割结果。
[0010]本专利技术还提供一种基于神经网络的脑影像分割方法，包括：
[0011]对第一脑影像进行模糊处理，得到第二脑影像；其中，所述第一脑影像是标准脑空间下的三维脑影像；
[0012]分别将所述第一脑影像以及所述第二脑影像切分为多个子块；
[0013]将所述第二脑影像的各子块输入相应的低分辨率卷积神经网络模型，得到所述第二脑影像的各子块的低分辨率脑区分割结果；
[0014]将所述第一脑影像的各子块及其相应的低分辨率脑区分割结果，输入对应的高分辨率卷积神经网络模型，并融合得到所述第一脑影像的高分辨率脑区分割结果。
[0015]本专利技术又提供一种基于神经网络的脑影像分割方法，包括：
[0016]将原始脑影像进行预处理并与标准脑影像进行刚性配准，得到配准脑影像；
[0017]将所述配准脑影像输入卷积神经网络进行脑区分割，得到标准脑空间下的分割脑影像；
[0018]将所述标准脑空间下的分割脑影像逆配准到原始脑空间，得到原始脑影像对应的分割脑影像。
[0019]本专利技术提供一种基于神经网络的脑影像分割装置，包括：
[0020]切分模块，用于将第一脑影像切分为多个子块；其中，所述第一脑影像是标准脑空间下的三维脑影像；
[0021]分割模块，用于将所述第一脑影像的每一子块输入子块相应的卷积神经网络模型，得到子块相应的脑区分割结果；
[0022]融合模块，用于将所述第一脑影像的多个子块的脑区分割结果进行融合，得到所述第一脑影像的脑区分割结果。
[0023]本专利技术还提供一种基于神经网络的脑影像分割装置，包括：
[0024]模糊模块，对第一脑影像进行模糊处理，得到第二脑影像；其中，所述第一脑影像是标准脑空间下的三维脑影像；
[0025]切分模块，用于分别将所述第一脑影像以及所述第二脑影像切分为多个子块；
[0026]第二分割模块，用于将所述第二脑影像的各子块输入相应的低分辨率卷积神经网络模型，得到所述第二脑影像的各子块的低分辨率脑区分割结果；
[0027]第一分割模块，将所述第一脑影像的各子块及其相应的低分辨率脑区分割结果，输入对应的高分辨率卷积神经网络模型，并融合得到所述第一脑影像的高分辨率脑区分割结果。
[0028]本专利技术又提供一种基于神经网络的脑影像分割装置，包括：
[0029]处理配准模块，用于将原始脑影像进行预处理并与标准脑影像进行刚性配准，得到配准脑影像；
[0030]第三分割模块，用于将所述配准脑影像输入卷积神经网络进行脑区分割，得到标准脑空间下的分割脑影像；
[0031]逆配准模块，用于将所述标准脑空间下的分割脑影像逆配准到原始脑空间，得到原始脑影像对应的分割脑影像。
[0032]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于神经网络的脑影像分割方法的全部或部分步骤。
[0033]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于神经网络的脑影像分割方法的全部或部分步骤。
[0034]本专利技术还提供一种计算机程序产品，所述计算机程序产品包括计算机可执行指令，所述指令在被执行时用于实现如上述任一种所述基于神经网络的脑影像分割方法的全部或部分步骤。
[0035]本专利技术提供的一种基于神经网络的脑影像分割方法及装置实现了以下技术效果：
[0036]1、提供多种架构的卷积神经网络模型对脑影像进行自动分割，满足用户的差异化
需求；
[0037]2、在多卷积神经网络的架构中，通过将第一脑影像分块并将第一脑影像的每一子块输入子块相应的卷积神经网络模型进行脑区分割，使得每一卷积神经网络可以对相应子块进行针对性的精准分割，并且由于子块的体积较小，所需的卷积神经网络的层数较少，分割耗时较少；通过将第一脑影像的多个子块的分割结果进行融合，准确地得到了第一脑影像的整体分割结果，实现了脑影像的高效、精确分割。
[0038]3、标准脑图谱及训练样本可以灵活选择，训练得到的卷积神经网络更适用于目标人群，且脑区分割精度可以灵活选择；
[0039]4、在基础训练样本的基础上，通过增加覆盖区的方式快捷地获取了模拟病灶样本，提高了卷积神经网络对于异常脑影像中病灶区域的分割精度。
附图说明
[0040]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0041]图1是本专利技术提供的一种基于神经网络的脑影像分割方法的流程示意图；
[0042]图2是本专利技术提供的另一种基于神经网络的脑影像分割方法的流程示意图；
[0043]图3是本专利技术提供的又一种基于神经网络的脑影像分割方法的流程示意图；
[0044]图4是本专利技术提供的一种基于神经网络的脑影像分割方法中卷积神经网络模型的结构示意图示例；
[0045]图5是本专利技术提供的一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的脑影像分割方法，其特征在于，包括：将第一脑影像切分为多个子块；其中，所述第一脑影像是标准脑空间下的三维脑影像；将所述第一脑影像的每一子块输入相应的卷积神经网络模型，得到子块相应的脑区分割结果；将所述第一脑影像的多个子块的脑区分割结果进行融合，得到所述第一脑影像的脑区分割结果。2.一种基于神经网络的脑影像分割方法，其特征在于，包括：对第一脑影像进行模糊处理，得到第二脑影像；其中，所述第一脑影像是标准脑空间下的三维脑影像；分别将所述第一脑影像以及所述第二脑影像切分为多个子块；将所述第二脑影像的各子块输入相应的低分辨率卷积神经网络模型，得到所述第二脑影像的各子块的低分辨率脑区分割结果；将所述第一脑影像的各子块及其相应的低分辨率脑区分割结果，输入对应的高分辨率卷积神经网络模型，并融合得到所述第一脑影像的高分辨率脑区分割结果。3.根据权利要求2所述的脑影像分割方法，其特征在于，所述将所述第二脑影像的各子块输入相应的低分辨率卷积神经网络模型，得到所述第二脑影像的各子块的低分辨率脑区分割结果；将所述第一脑影像的各子块及其相应的低分辨率脑区分割结果，输入对应的高分辨率卷积神经网络模型，并融合得到所述第一脑影像的高分辨率脑区分割结果，包括：将所述第二脑影像的每一子块输入子块所在位置对应的低分辨率卷积神经网络，得到子块相应的低分辨率脑区分割结果；将所述第二脑影像的多个子块的低分辨脑区分割结果进行融合，得到所述第二脑影像的脑区分割结果；将所述第一脑影像的每一子块，以及子块在所述第二脑影像的脑区分割结果中的相应的低分辨脑区分割结果，输入子块所在位置对应的高分辨率卷积神经网络，得到子块相应的高分辨率脑区分割结果；将所述第一脑影像的多个子块的高分辨脑区分割结果进行融合，得到所述第一脑影像的脑区分割结果。4.根据权利要求1或2所述的脑影像分割方法，其特征在于，所述融合过程通过如下方式实现：遍历脑影像，确定当前待融合像素点，以及所述当前待融合像素点在各子块中的脑区分割标签；根据所述当前待融合像素点在所述脑影像的各子块中的分割标签，通过多数投票的方式，将分割标签中数量最多的分割标签确定为所述待融合像素点的融合标签；重复上述过程，直至所述脑影像中所有像素点融合完毕。5.根据权利要求1或2所述的脑影像分割方法，其特征在于，所述多个子块中每一子块与相邻子块的重叠区域之和占所述每一子块的比例大于第一比例阈值。6.根据权利要求1或2所述的脑影像分割方法，其特征在于，方法还包括：对原始脑影像进行预处理并与标准脑影像进行配准，得到标准脑空间下的所述第一脑影像。
7.根据权利要求6所述的脑影像分割方法，其特征在于，所述预处理包括以下一项或更多项：降噪处理，偏移场校正，灰度归一化。8.根据权利要求6所述的脑影像分割方法，其特...

【专利技术属性】
技术研发人员：苏紫昱，刘文博，旷雅唯，
申请(专利权)人：华科精准北京医疗科技有限公司，
类型：发明
国别省市：